Hugging Face · 每日论文·2026-10-13 04:00· 2 天前AI 评分49

LifeSearch: Benchmarking Deep Research Agents for Real-World Life and Productivity

AI 导读

LifeSearch 是一个用于评估深度研究智能体在现实生活和生产力场景中表现的基准，包含 203 个中英文任务，覆盖 7 个具体领域。该基准基于超过 4,500 小时的人工标注，构建了 4,000 多个专家撰写的细粒度评分标准。实验显示，当前表现最好的前沿智能体 GPT-5.6 Sol 在该基准上的得分仅为 63.4%，表明在真实场景下的研究能力仍有较大提升空间。

来源：Hugging Face · 每日论文 · huggingface.co

Agent 智能体论文研究评测基准 #论文/研究 #评测/基准 #Agent #Hugging Face